当AI走进核心业务，企业准备好了吗？
从问答到Agent：AI如何一步步走进业务核心
过去两年间，企业在AI应用上的演进路径清晰可辨。最初是知识问答，企业用大语言模型搭一个超级搜索框，本质上还是用模型的问答能力做专家服务。到了2025年上半年，市场转向Agent——AI客服、AI巡检、智能BI大量涌现，企业开始要求应用能自主执行任务。再到2025年下半年，AI Coding崛起，编程能力本身可以被AI接管，技术范式发生转移。
斑头雁把这种趋势归结为“打造能自主执行的AI员工”。他们不把自己定位为Agent开发平台，而是端到端、开箱即用的AI员工载体。过去2年，某知名时尚集团科技中心在斑头雁Agent底座上累计开发了2000多个AI应用，至今依然健康运行。MuleRun则提供了另一个视角：不要刻意设计Agent，让Agent观察人怎么工作，把企业已有的工作流程、协作方式完整暴露给AI，让它自己总结规律。
从辅助工具到自主执行，AI正从“外挂”变为“内生”。当AI员工能自主跑完一个完整的业务流闭环，AI就不再是辅助工具，而是真正长在企业身上的能力。
数据泥潭与治理真空：七成项目为何“见光死”
SAP中国方案架构总监周伟峰用一组数据印证了企业AI落地的尴尬：74%的AI项目停留在试点阶段无法规模化，原因不是模型性能不足，而是卡在三个鸿沟。第一，AI没有你的业务知识——它能读懂数据，但不知道采购订单背后有一系列审批、收货和三单校验的逻辑。第二，AI看到的是碎片化的信息——财务在ERP里，客户在CRM里，生产计划在钉钉群里沟通，物流在第三方系统里。第三，缺乏AI治理架构——AI的操作如果无法被审计、无法被追责，就永远只能做演示，进不了核心流程。
Cognizant与Economist Impact合作的研究进一步揭示：虽然近七成企业将AI/ML列为首要投资领域，但只有39%的受访者表示AI/ML已经给其企业贡献了可观的商业价值。数据质量是最大的地基问题——超过一半的企业在AI实施中遇到数据质量、数据不一致的挑战。正如一位专家所说：“投资AI但不解决数据质量问题，无异于在不稳定的地基上建造房屋。”
企业常以为自己准备好了数据，但深挖后发现，过去30年企业IT系统围绕ERP构建，数据只是流程运转的副产品。量大了就删，删不掉就拷到磁带机上。这种“数据附庸”的思维，让AI进入核心业务时寸步难行。
人机协作新公式：AI干脏活，人做关键判断
杨玲朗认为，AI与公司业务结合的核心是人机协作：把重复、复杂的计算交给AI，把信息准备好后提供给专家做判断与决策。这个观点在圆桌对话中得到进一步延展。
从频率和决策重要性两个维度可以清晰划分人机边界：高频重复的工作（如广告投放、客服回答）最容易被AI替代；而在打造爆品、建立品牌等低频高影响力的决策上，人的判断依然不可替代。知行业专家龚毅直言：“懂AI正在快速贬值，而能在关键低频决策中做出判断的人，才是未来的稀缺品。”
华科智能的罗飞提出了“AI挖掘机”的比喻——AI现在已经不是铲子，而是挖掘机。以前人脑想清楚了才能用AI，现在恰恰是事情没想清楚的时候更适合用AI。用得浅的企业觉得AI辅助人干活，用得深的企业觉得人在辅助AI干活。卓源亚洲的林海卓则强调，“好的问题提出者”依然有壁垒：引导AI朝着特定方向积累知识，而不是被AI替代。
在落地层面，企业最大的卡点并非技术或数据，而是“想不到应用场景”。很多企业仍用数字化思维看待AI，认为必须要有高质量数据才能开始，这种思维阻碍了他们对AI应用场景的认知打开。
一汽、西门子的“智能体”实验：核心业务被AI渗透
中国一汽的数智化进程提供了一个从ERP到EBC再到EOA的完整演变样本。ERP是流程在线化，完成“任务”；EBC（企业业务能力平台）把能力组装起来快速响应市场；到了AI时代，一汽提出EOA（运营智能），目标是构建“自感知、自决策、自执行、自进化”的运营中枢。具体做法是把智能体架构嵌入企业架构——在原有的业务架构、信息架构、应用架构、技术架构、安全架构之上，扩展出智能体架构这一层，把三万个业务单元转化为智能体的Skill。
西门子的Eigen Engineering Agent则聚焦于更具体的场景——帮助PLC工程师写代码。基于阿里云赋能的大模型能力，工程师可以用自然语言交互的方式生成代码、创建项目配置、查询故障手册。所有工程规范由西门子把控，Agent生成的代码符合行业标准。这个方案解决的核心痛点在于工业领域技术型人才短缺，工程师大量时间花在重复性编码和文档工作上。
银泰的商业场景同样激进：边缘服务器在每个商场实时处理视频流来驱动经营决策。这些企业已经走在一条不可逆的创新路上——AI不是锦上添花的工具，而是业务运营的神经中枢。
最稀缺的AI人才：不是程序员，而是“问题提出者”
当AI Coding开始接管编程，懂得写代码本身的价值正在急剧贬值。圆桌对话中，多位嘉宾一致认为：未来稀缺的不是懂AI的人，而是能够在特定业务场景中提好问题、做关键决策的人。
林海卓判断，知识高度密集、容易结构化描述的领域（如会计、法律、初级编程）最容易被AI替代；而围绕体验、情感、个性化服务的领域（如心理咨询、旅游体验师），以及需要交叉学科前沿思考的“问题提出者”，将在长时间内保持壁垒。罗飞从教育视角补充：AI最应该改变的是教育——在乡村小学，他们先让老师全员具备AI思维，再让老师带着学生探索。未来评判人才的标准不再是这个人自己会什么，而是他背后的“AI班底”能指挥多少AI一起干活。
龚毅则给出了一个更精炼的结论：能够在关键低频但重要性极大的决策点（如打造爆品、创建成功品牌）上具备综合能力的人——且至少懂一点AI、知道如何利用AI——这样的人才是真正的稀缺品。企业AI转型的最大卡点不是技术，而是组织对AI的认知。当企业能从“数字化思维”跳出来，形成“AI思维”，才能真正拥抱这场核心业务的变革。